基于稀疏采样数据的电动公交车电池SOC预测方法研究

• 作者: 葛建军 鲍伟
• 来源期刊: 汽车工程
• 关键词: 电池荷电状态 稀疏采样数据 支持向量机 贝叶斯优化算法
• 年，卷（期）: 2020,（3）
• 页码范围: 367-374
• 页数: 8页
• 字数: 6383字
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2020.03.013

摘要

为提高电动公交车电池SOC预测的精度,基于某电池监控云平台电池数据库中存储的以30 s为采样周期的稀疏采样的电池运行数据,对电动公交车电池SOC预测方法进行了研究.首先,介绍了稀疏采样数据源,分析了电动公交车动力电池的运行过程及其SOC变化的影响因素.选取了当前电池组的总电压、电流、电池模组温度均值及前一时刻SOC值作为预测变量,而选择当前电池组SOC作为输出变量,构建了训练数据集与测试数据集.然后,采用支持向量机(SVM)算法进行训练,并使用贝叶斯优化算法寻找SVM的最优超参数组合,提出了基于稀疏采样数据的电动公交车电池SOC单步预测方法.接着通过对训练数据集的再划分,进一步提出了基于稀疏采样数据的电动公交车SOC自主预测方法,摆脱了在SOC长期预测过程中对于BMS估计的真实SOC值的依赖.试验结果表明,SOC单步预测方法的最大绝对误差仅为1.82％,SOC自主预测方法的最大绝对误差也只有5.89％,都具有较高的预测精度.根据在不同运行路线和不同环境温度下的试验结果,SOC预测模型具有较高的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲍伟	合肥工业大学电气与自动化工程学院	22	114	6.0	10.0
2	葛建军	合肥工业大学电气与自动化工程学院	2	4	1.0	2.0